2005 年 4 月， Linus Torvalds 为了给 Linux 内核开发弄个版本控制系统，用了 10 天功夫，开发出了 Git。
他应该想不到，这个本来是为 Linux 内部所用的软件，竟然伴随着 GitHub 的崛起，风卷残云一般席卷了全球。
他更想不到，20 年后，这个为人设计的软件，有一天竟然被 AI 疯狂使用，最后被AI 巨头 Anthropic 给抛弃了！
01
Git 出了什么问题？
当年Linus 为了照顾全球各地的内核开发者，把 Git 设计成了分布式的版本控制系统：每个人都可以clone一份完整的Linux源码，然后想去哪儿“浪”去哪儿“浪”。
在飞机上，火车上，在偏僻的小岛上......即使是没有网络，你都可以打开笔记本里的 Linux 源码，舒舒服服地编程。
等到有网络了，把改动 Push 给其他人。
这套设计让 Git 获得了极大的灵活性，也成为它成功的重要原因。
但是到了 Anthropic ，这个设计反而遇到麻烦了，因为写代码的不再是人了，而是大量的 AI Agent ，它们不会到处“浪”，而是永运在机房里，永运在线。
这些 Agent 运行在一个个沙箱里，任务结束，环境就可能被销毁，检出的代码也随着消失。
下一个任务启动，又要准备新的环境，检出代码。
还有很多 Agent 任务只需要少量文件，甚至只需要查询历史、比较差异，把一个仓库全部下载到自己的沙箱里有点儿得不偿失。
对于一个只有几百 MB 的仓库，这算不上什么大问题，无非是多clone几次而已。
但是 Anthropic 的代码仓库量实在是太大，还是个单体仓库，主分支就达到了 100 GB ！
更要命的是，这个仓库的代码量还在疯狂地增长，每天合并的代码变更从5月的 2500 次，暴涨至 9月的30000次：
Anthropic 每天仅 CI 就要进行约 2500 万次代码检出，还没算开发环境、Agent 沙箱和研究任务。
如果每次都按完整仓库的规模获取数据，理论流量将超过 600 PB/天，这就太吓人了。
Anthropic 必须得想招儿，不能每次都从零开始下载。
他们尝试过 Git 浅克隆、稀疏检出、内部 Git 镜像、仓库快照等优化方案，甚至在高峰期运行了数百个内部 Git 镜像。
但随着主仓库越来越大，代码合并速度越来越快，这套基础设施也开始吃不消了。
仓库快照刚准备好，主分支可能又前进了一大截，为了追上最新代码，就得不断刷新快照。
与此同时，稀疏检出和部分克隆虽然减少了下载量，却让依赖历史信息的 diff、blame 等操作变得更加麻烦。
Anthropic 逐渐发现，光靠给 Git 打补丁，已经越来越难满足这种规模的开发需求了。
02
抛弃Git
之前我给大家分享过 Facebook 和 Google 的故事，它们都是坚持单一代码仓库（Monorepo）的策略，发展到最后，都搞出了自家的版本控制系统。
Facebook 的叫Sapling （服务器端是Mononoke），Google 家的叫 Piper。
（参见文章：《》）
Anthropic 一看，它们能搞，我也能，何况我还有这么强的 Claude。
于是，Anthropic 找了 7 个人，借鉴了 Sapling 和 Mononoke 的设计，准备造个新轮子，名字叫做 Scion （后裔，继承人）。
Scion 的核心思路很简单：既然绝大多数任务都在线运行，客户端为什么非得保存一整份完整仓库呢？
在 Git 里，客户端通常拥有完整的仓库数据，可以自己查询历史、比较差异，也可以离线工作。
Scion 则把更多工作交给服务器，客户端需要什么，就按需获取什么。
需要查询历史、比较差异，甚至执行某些版本管理操作时，也可以直接调用服务器 API，不必先把整个仓库下载到本地。
比如，CI 任务只是想知道两个版本之间改了哪些文件，直接向服务器查询就行。如果任务确实需要运行代码，再获取所需的目录和文件。
但是这些还远远不够，因为 AI Agent 检出代码的次数实在太多，于是 Sicon 搞了一个三级缓存：
100 个 CI 任务需要读取同一个文件，如果每个任务都从远端仓库独立获取数据，就会产生大量重复传输。Scion 先检查节点级缓存，没有，再检查区域级缓存，都没有，才向后端请求。
在 Claude 的深度参与下，经过 5 个月，团队完成了 Scion 的开发，并把 Anthropic 的主代码仓库从 Git 迁移了过去。
最终的结果相当不错：
缓存命中率在各层都超过 99%
基础设施的 CPU 和内存开销相比原来的 Git 镜像系统减少约 200 倍！
CI 和研究任务的代码检出快了 100 倍，典型任务的耗时从分钟级降至秒级。
03
不知道 Linus 看到 Scion 会有什么感想？ Git 非常适合分布式、离线工作的那些特性，竟然严重妨碍了 Anthropic 随着代码仓库不断增长而扩展规模的能力。
不过，Scion 是专门为 “AI Agent 高频自动写代码 + 巨型单体仓库” 的场景量身定制的，像 Anthropic 这样，大规模使用 AI 编程的公司恐怕还不多。
对于大部分人来说，Git 没有过时，依然是最正确的选择。
热门跟贴